Vraag ChatGPT om een aanbeveling vanuit Amsterdam en doe hetzelfde vanuit Brussel: je krijgt waarschijnlijk andere merken te zien. Dat is geen toeval. Een studie die op 16 oktober 2026 werd gepubliceerd, toont aan dat de locatie van een gebruiker in hoge mate bepaalt welke commerciële bronnen een generatieve AI-zoekmachine in het antwoord verwerkt.
Voor bedrijven die hun vindbaarheid in AI-antwoorden willen verbeteren — het zogenaamde Generative Engine Optimization (GEO) — is dit een wake-up call. Resultaten variëren sterk per regio, en wie daar niets van weet, meet zijn zichtbaarheid verkeerd.
31.200 antwoorden, 19 locaties, 5 netwerken
In het onderzoek, getiteld "Location, Location, Generation: Where You Ask Matters for Generative Engine Optimization", analyseerden wetenschappers zoals Nick Koudas en Mahe Chen 31.200 AI-antwoorden. Ze stelden 300 vragen vanuit 19 verschillende gedeclareerde locaties en vijf diverse netwerkomgevingen. Zo konden ze vaststellen hoe AI-systemen geografische data prioriteren. De bevinding, gepubliceerd op arxiv.org: de locatie van de gebruiker bepaalt in hoge mate welke commerciële bronnen in de uiteindelijke tekst verschijnen.
ChatGPT en Gemini doen het fundamenteel anders
De audit bracht een opvallend verschil aan het licht tussen de twee onderzochte AI-zoekmachines.
ChatGPT baseert zijn resultaten op de locatie die door een applicatie wordt gedeclareerd — en kan dat zelfs tot op stadsniveau nauwkeurig lokaliseren. Die informatie wordt verwerkt in de zoekopdrachten van de AI, waardoor antwoorden relevant blijven voor de lokale context, zelfs als de gebruiker geen stad noemt. Opvallend: ChatGPT negeert de netwerklocatie, oftewel het IP-adres, volledig.
Gemini doet precies het omgekeerde. Het systeem negeert de gedeclareerde locatie en kijkt naar het land van het netwerk. Gemini past de bronnen dus aan op basis van het land waar het netwerk is geregistreerd — ongeacht of de vraag zelf een geografische component heeft.
Wat betekent dit voor bedrijven?
De conclusie voor organisaties is duidelijk: zichtbaarheid in AI-antwoorden is niet universeel, maar specifiek per locatie. Schuiven de bronnen door locatieverschillen, dan verschuiven ook de aanbevolen bedrijven. Wie inzet op GEO moet daarom zowel de netwerkkanalen als de gedeclareerde locaties monitoren om een accuraat beeld van de online aanwezigheid te krijgen.
Waarom AI-systemen locatie verschillend lezen
De verschillen ontstaan doordat locatiedata op meerdere manieren worden verzameld — en niet elke methode is even precies. Op mylocationapp.com wordt uitgelegd dat een IP-adres doorgaans dient voor een globale schatting op stadsniveau, terwijl GPS-coördinaten een veel preciezer beeld geven van de exacte positie.
Dat wordt ondersteund door iplocation.io, waar wordt toegelicht dat IP-locaties een matige nauwkeurigheid hebben en vooral regionaal worden ingezet. Geolocatie via de browser biedt daarentegen een zeer hoge nauwkeurigheid op straatniveau. De studie van Chen en Koudas bewijst dat AI-engines deze verschillende datastromen verschillend prioriteren — en dat bepaalt direct welke commerciële bronnen als relevant worden gepresenteerd.
De onderzoekers trekken een harde conclusie: audits voor generatieve zoekmachines kunnen niet langer vanuit één enkele locatie worden uitgevoerd. Wie dat wel doet, krijgt een vertekend beeld van de regionale of wereldwijde zichtbaarheid van een merk.